开发基于特征的自动化最佳距离决策系统,用于使用细分的X射线图像来诊断膝关节关节炎
Kaniz Fatema1, Md Awlad Hossen Rony1, Sami Azam2
1Health Informatics Research Lab, Department of Computer Science and Engineering, Daffodil International University, Dhaka, 1341, Bangladesh.
Heliyon
|November 29, 2023
概括
一个自动化系统从X射线图像中准确地检测膝关节骨关节炎 (KOA) 的等级,从而改善早期诊断. XGB模型的准确率达到了99.46%,有助于及时治疗,减少了膝盖置换的需要.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 膝关节骨关节炎 (KOA) 是导致残疾的主要原因,需要早期诊断才能有效治疗.
- 手动KOA检测是劳动密集型,容易出现错误,特别是在大型数据集.
- 自动化系统为诊断KOA严重程度提供了更快,更准确的解决方案.
研究的目的:
- 开发一个自动化决策系统,用于KOA分析和严重程度分级,使用细分的X射线图像.
- 将KOA分为五个等级:健康,可疑,最小,中度和严重.
- 为了提高骨科专家的诊断准确性和速度.
主要方法:
- 将Mendeley和Kaggle的数据集结合起来,形成一个全面的数据中心.
- 应用图像处理技术,包括Grad-Cam用于ROI细分,直方图平衡和降噪.
- 从细分的ROI中提取了六个特征集 (形态,GLCM,统计,纹理,LBP,拟议).
- 选择了最佳功能 (六个距离功能) 并使用了五个机器学习模型,包括XGBoost.
主要成果:
- 在分类KOA等级时,XGBoost模型实现了99.46%的准确性.
- 提出的决策策略基于六个最佳特征,表现出高绩效.
- 该系统在30张测试图像上进行了验证,证实了其诊断能力.
结论:
- 开发的自动化系统为KOA分级提供了高度准确和高效的方法.
- 这种人工智能驱动的方法可以显著帮助早期和精确诊断膝关节骨关节炎.
- 这些发现表明,它是一个有前途的工具,可以改善患者的治疗结果,并控制KOA的进展.
